Промышленные пользователи всё чаще полагаются на передовые цифровые технологии для мониторинга состояния своего оборудования. В современных системах мониторинга состояния используются передовые технологии анализа для обнаружения ранних признаков износа или повреждений подшипников и других критически важных деталей. Однако после выявления проблемы самым мощным диагностическим инструментом всегда были глаза опытного инженера.

Изучая характерные следы на контактных поверхностях, специалисты SKF могут оценить серьёзность проблемы и часто определить наиболее вероятную причину её возникновения. Эта информация крайне важна для конечных пользователей. Например, визуальная проверка может позволить им изменить процедуры эксплуатации или техобслуживания, чтобы предотвратить повторное возникновение проблем. В случае крупногабаритных подшипников, используемых в таких областях, как целлюлозно-бумажные комбинаты, заводы по производству стали или ветряные электростанции, можно также определить, можно ли восстановить и использовать повторно повреждённый подшипник.

Однако получить консультацию квалифицированного аналитика в области подшипников не всегда легко. Специалистам SKF могут требоваться годы ежедневной работы с подшипниками, чтобы накопить необходимые знания и опыт. Если повреждённое оборудование находится в удалённом месте, просто вызвать инженера по подшипникам может быть сложно, а в последние месяцы эта проблема усугубляется ограничениями на поездки и доступ, введёнными в ответ на пандемию COVID-19.

Кроме того, когда использованные подшипники подлежат отправке обратно в SKF для восстановления, владельцы хотят быть уверены, что эти подшипники пригодны для восстановления. В противном случае, вероятно, более экономически эффективным и экологически безопасным решением будет утилизация подшипника на местах.

Система на основе ИИ для оценки состояния подшипников

Для решения этих проблем специалисты SKF разрабатывают новый подход. Они создали автоматизированную систему компьютерного зрения, которая оценивает повреждения подшипников по цифровым фотографиям. В системе используется искусственный интеллект в виде алгоритма распознавания изображений на основе нейронной сети, которая была обучена с использованием тысяч изображений повреждённых подшипников из архивов SKF.

Система способна идентифицировать элементы контактной поверхности подшипника, даже если изображение получено при съёмке под неправильным углом или если на фоне много посторонних объектов.

В отличие от прежних подходов к использованию машинного зрения, новая интеллектуальная система была разработана для работы в реальных условиях, когда изображения могут быть получены на производстве или в полевых условиях, а строгий контроль освещения и композиции невозможен. Система способна идентифицировать элементы контактной поверхности подшипника, даже если изображение получено при съёмке под неправильным углом или если на фоне много посторонних объектов.

После выбора интересующей области инструмент на основе ИИ классифицирует тип и степень повреждения контактной поверхности подшипника. В подшипниках могут возникать многие типы повреждений. Например, в соответствующем международном стандарте ISO 15243:2017 их перечислено более десятка. На данный момент специалисты SKF решили сосредоточиться на отдельных видах отказов, на которые приходится около 80 процентов отказов в процессе эксплуатации.

Обучение системы и адаптация алгоритма

Адаптация и оптимизация алгоритма стали результатом совместных усилий команды центра исследований и разработок SKF и группы экспертов по анализу подшипников. Во-первых, в систему внесли тысячи изображений, каждое из которых соответствует определённому виду отказа, чтобы она получила характеристики каждого вида отказа. Затем, чтобы протестировать алгоритм, специалисты дали системе команду классифицировать новые изображения и сравнили её результаты с оценками экспертов, дополнительно настраивая алгоритм для повышения его точности.

Внедрение и непрерывное обучение

Поскольку новая система хорошо зарекомендовала себя на этапе испытаний, SKF приступила к её внедрению в рамках всей организации, чтобы помочь группам поддержки клиентов классифицировать проблемы, а персоналу по восстановлению — ускорить оценку поступающих подшипников. Благодаря использованию алгоритма в сочетании с опытом экспертов система компьютерного зрения продолжает совершенствоваться, и точность её результатов постоянно повышается.

Следующий этап проекта — сделать систему доступной для клиентов. Команда планирует реализовать её в виде облачного решения, позволяющего специалистам по техобслуживанию фотографировать подшипники и загружать изображения в облако для анализа. Первоначальная цель — выполнение оценки состояния с поддержкой ИИ, что даёт возможность пользователю почти мгновенно определить, возможно ли восстановление подшипника.

Одновременно с этим специалисты SKF изучают способы сочетания нового подхода с другими аналитическими инструментами из своего портфолио. Знание того, как подшипник вышел из строя, не говорит вам, например, почему он вышел из строя, поскольку одна и та же проблема может возникнуть по нескольким основным причинам. Однако, связав новую систему с данными, собираемыми с помощью систем мониторинга состояния и управления оборудованием, специалисты рассчитывают автоматизировать и ускорить выявление первопричин проблем и предложение решений проблем надёжности.